Dit is de Linux-app PyTorch-BigGraph, waarvan de nieuwste versie kan worden gedownload als torchbiggraph-1.0.0.tar.gz. Deze kan online worden uitgevoerd via de gratis hostingprovider OnWorks voor werkstations.
Download en voer online deze app genaamd PyTorch-BigGraph met OnWorks gratis uit.
Volg deze instructies om deze app uit te voeren:
- 1. Download deze applicatie op uw pc.
- 2. Voer in onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX in met de gebruikersnaam die u wilt.
- 3. Upload deze applicatie in zo'n bestandsbeheerder.
- 4. Start de OnWorks Linux online of Windows online emulator of MACOS online emulator vanaf deze website.
- 5. Ga vanuit het OnWorks Linux-besturingssysteem dat u zojuist hebt gestart naar onze bestandsbeheerder https://www.onworks.net/myfiles.php?username=XXXXX met de gewenste gebruikersnaam.
- 6. Download de applicatie, installeer hem en voer hem uit.
SCREENSHOTS
Ad
PyTorch-BigGraph
PRODUCTBESCHRIJVING
PyTorch-BigGraph (PBG) is een systeem voor het leren van embeddings op enorme grafieken – denk aan miljarden knooppunten en randen – met behulp van partitionering en gedistribueerde training om het geheugen en de rekenkracht hanteerbaar te houden. Het verdeelt entiteiten in partities en buckets randen, zodat elke trainingspass slechts een klein deel van de parameters raakt. Dit verlaagt de piek-RAM drastisch en maakt horizontale schaalbaarheid over machines mogelijk. PBG ondersteunt multi-relatie grafieken (kennisgrafieken) met relatiespecifieke scorefuncties, negatieve bemonsteringsstrategieën en getypeerde entiteiten, waardoor het geschikt is voor linkvoorspelling en -opvraging. De trainingslus is gebouwd voor doorvoer: asynchrone I/O, geheugen-toegewezen tensoren en lock-free updates zorgen ervoor dat GPU's en CPU's zelfs op extreme schaal gevoed blijven. De toolkit bevat evaluatiemetrieken en exporttools, zodat geleerde embeddings kunnen worden gebruikt in downstream nearest-neighbor-zoekopdrachten, aanbevelingen of analyses. In de praktijk stelt het ontwerp van PBG professionals in staat om hoogwaardige grafiekembeddings te trainen.
Kenmerken
- Gepartitioneerde training voor grafieken met een miljard schaalgrootte
- Multi-relatiescore voor voorspelling van kennisgraafkoppelingen
- Efficiënte negatieve bemonstering en edge bucketing
- Export- en evaluatiehulpprogramma's voor ANN en downstream-taken
- Asynchrone I/O met geheugen-gemapte tensoren
- Gedistribueerde training voor meerdere machines met eenvoudige orkestratie
Programmeertaal
Python
Categorieën
Deze applicatie kan ook worden gedownload van https://sourceforge.net/projects/pytorch-biggraph.mirror/. Deze is gehost in OnWorks, zodat deze eenvoudig online kan worden uitgevoerd via een van onze gratis besturingssystemen.
